Hibernate 数据缓存可分为:
1. 内部缓存(Session Level,也称为一级缓存);
2. 二级缓存(SessionFactory Level, 也称为二级缓存);
作用:
1. 通过id加载数据时:包括根据id查询数据的Session.load方法,以及Session.iterate等批量查询方法;
2.延迟加载
一: 内部缓存:属于应用事务级缓存
Session在内部维护了一个Map数据类型,此数据类型中保持了所有的与当前Session相关联 的对象。
如果我们需要通过Session加载某个数据对象,Session首先会根据所有加载的数据类和id,在entitiesByKey中寻找是否已有此数据的缓存实例,如果存在且其状态着判定为
有效,则以此数据实例作为结果返回。
同样,如果Session从数据库中加载了数据,也会将其纳入此Map结构加以管理。
这也就是内部缓存的实现。有时也称此缓存为 Session Level Cache.
内部缓存正常情况下是由Hibernate自动维护,如果需要手动干预,方法如下:
1. Session.evict
将某个特定对象从内部缓存中清除
2. Session.clear
清空内部缓存
二:二级缓存:涵盖了应用级缓存和分布式缓存领域
二级缓存将由从属于本SessionFactory的所有Session实例共享,因此有时也称SessionFactory Level Cache.
Session 在进行数据查询操作时,会首先在自身内部的一级缓存中进行查找,如果缓存未能命中,则将在二级缓存中查询,如果二级缓存命中,则以此数据作为结果返回。
引入二级缓存时,首先要考虑以下几个问题:
1. 数据库是否与其它应用共享;
2. 应用是否需要部署在集群环境中;
对于第一种情况,往往也就意味着不得不放弃二级缓存的使用(也可以对数据库的共享情况进行细化,比如某个表由本应用独占,那么也可以对此表引用二级缓存机制);
对于第二种情况,我们必须考虑是否需要引入分布式缓存机制,以及引入分布式缓存带来的实际性能变化。
在考虑缓存机制应用策略的时候,我们必须对当前系统的数据逻辑进行考察,以确定最佳的解决方案。
如果 数据满足以下条件,则可将其纳入缓存管理:
1. 数据不会被第三方应用修改;
2. 数据大小在可接受的范围之内;
3.数据更新频率较低;
4. 同一数据可能会被系统频繁引用;
5.非关键数据(关键数据,如金融账户数据);
Hibernate本身并未提供二级缓存的产品化实现(只是提供了一个基于Hashtable的简单缓存以供调试)。